可能重复：
RegEx match open tags except XHTML self-contained tags
我有一个包含大约2000行的文件，例如：
<nobr> <a href="../Carbon_Monoxide_Poisoning_Prevention.htm"><b>poisoning - prevention</b></a></nobr><br>
<nobr> <a href="../Carbon_Monoxide_Symptoms.htm"><b>symptoms</b></a></nobr><br>
1。）URL始终采用../foo.html
2。）显示名称是用<b> ... </b>标签括起的SOMETIMES，有时不是。
3.）文件中的每一行最多包含四个 ，我需要计算并标记为空格。这些将永远用于格式缩进，所以我需要以某种方式捕获信息。
我需要在分隔的平面文件中使用超链接，显示名称和空格数名称，如下所示（基于以上数据）：
../Carbon_Monoxide_Poisoning_Prevention.htm,poisoning - prevention,4
../Carbon_Monoxide_Symptoms.htm,symptoms,4
。虽然我可以通过整个String，substring和if语句解析这一点，但这似乎比它需要的更麻烦。我正在调查Regex（我第一次这样做），但我对某些语法有点不清楚;我最好看到类似于我的应用程序的代码示例，但是找不到任何非常合适的示例。
任何帮助将不胜感激！
答案 0 :(得分：0)
如果需要对事物进行任何计数，则不应（也可能不能）使用正则表达式。 通常，如果您尝试执行的操作由算法描述，则应对其进行编程。如果你要做的事情被描述为“我正在寻找一个看起来像......的字符串/子字符串”。正则表达式可能是一个好主意。
答案 1 :(得分：0)
我不会说正则表达式，但您可以避免使用脚本语言编写整个程序。 Bash / Perl / Powershell /等中有一些工具。看起来他们会为你的目的更好地工作。然后，您仍然可以使用像grep这样的工具来利用与其他工具，数据结构，条件等混合的正则表达式的强大功能。此外，如果您要使用繁重的HTML，那么有些工具可以管道或打电话让你的生活更轻松。
答案 2 :(得分：0)
Regular expression parsing HTML is not appropriate because it isn't a regular language. How many times does this have to be asked?除了正则表达式不是一种编程语言，你不能做你想做的计数和簿记，它们用于匹配regular language中的模式。
有些人在遇到问题时会想“我知道，我会用 正则表达式。“现在他们有两个问题。 - Jamie Zawinski
正则表达式是专门的工具，它们不会在每个看起来像String的指甲中击败，需要进行模式匹配或搜索或操作。
Jeff Atwood has a good discussion of the cons and pros of regular expressions，如果你对他们了解不多，请在尝试使用之前先阅读他要说的内容。
答案 3 :(得分：0)
您一次只能抓取一件事，一次抓取所有网址，显示名称或空格。我不会使用正则表达式来执行此操作，但如果我绝对不得不使用正则表达式，我会如何处理它：
要获取一行中的网址：\.\./.*\.html?
获取显示名称：(?<=("|b)>)[a-ZA-Z].+?(?=(</(a|b)))
抓住空格（简单地）：
我首先按<br>标记拆分文件以获取各行。并运行上面的正则表达式来提取url，显示名称和空格，并将它们组合在一个分隔的输出中。我确信Java有preg_match_all等价物来匹配找到的所有模式（对于空格和计算它们很有用）
请注意，这些模式在Sublime Text中进行了测试，如果不进行一些调整，可能无法在Java中运行。我可以稍后修改我的答案，如果需要包括Java，但对于像这样的一次性事情，你可能最好使用Python或其他一些脚本语言。
祝你好运！
答案 4 :(得分：-1)
正则表达式是解决这个问题的正确方法。以及字符串标记器（用于计算空格）。 您将不得不使用子串作为一种在原始字符串中移动的方式。
上的一些链接（包含示例）